如何精准检测灰度图中低对比度水平线并计算长度？

1. 针对性预处理：强化水平边缘 #

因为目标是水平线，直接用Sobel算子的y方向梯度检测，比Canny更聚焦于水平边缘，能过滤大部分垂直干扰。如果图像整体对比度极低，先通过CLAHE增强局部对比度：

import cv2
import numpy as np

# 读取灰度图
img = cv2.imread('target_img.png', cv2.IMREAD_GRAYSCALE)

# 步骤1：增强局部对比度（可选，针对极低对比度场景）
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
enhanced_img = clahe.apply(img)

# 步骤2：提取水平边缘
sobel_y = cv2.Sobel(enhanced_img, cv2.CV_64F, 0, 1, ksize=3)
sobel_y_abs = cv2.convertScaleAbs(sobel_y)

2. 形态学修复：连接断裂边缘 #

低对比度下边缘容易断裂，用水平结构元素的膨胀操作连接离散的边缘点：

# 创建水平长条结构元素（长度根据目标线条粗细调整）
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (15, 1))
# 膨胀操作连接断裂边缘
dilated_edge = cv2.dilate(sobel_y_abs, kernel, iterations=1)

3. 检测与长度计算 #

方案A：过滤式轮廓分析 #

对处理后的图像做阈值化，提取轮廓后通过宽高比过滤非水平线条，直接计算长度：

# 二值化处理
_, thresh = cv2.threshold(dilated_edge, 50, 255, cv2.THRESH_BINARY)
# 提取外轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    # 过滤宽高比大于10的轮廓（判定为水平线，阈值可调整）
    if w / h > 10:
        # 两种长度计算方式：外接矩形宽度 或 轮廓弧长
        length_rect = w
        length_arc = cv2.arcLength(cnt, closed=False)
        print(f"水平线长度（矩形近似）：{length_rect}，（弧长精确）：{length_arc:.2f}")
        # 绘制验证
        cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)

方案B：参数优化的概率霍夫变换 #

概率霍夫变换更适合长线条检测，调整minLineLength和maxLineGap参数适配低对比度场景：

# 检测水平线（theta设为90度，只检测水平方向）
lines = cv2.HoughLinesP(
    dilated_edge,
    rho=1,
    theta=np.pi/180,
    threshold=20,
    minLineLength=50,  # 最小线条长度，过滤短干扰
    maxLineGap=10      # 允许的线条最大间隙，连接断裂部分
)

if lines is not None:
    for line in lines:
        x1, y1, x2, y2 = line[0]
        # 计算欧氏距离作为长度
        length = np.sqrt((x2 - x1)**2 + (y2 - y1)**2)
        print(f"水平线长度：{length:.2f}")
        # 绘制验证
        cv2.line(img, (x1,y1), (x2,y2), (0,0,255), 2)

方案C：行像素方差检测 #

水平线所在行的像素方差会显著低于背景行（线条区域像素更均匀），通过逐行分析定位线条：

# 计算每行像素的方差
row_vars = np.var(img, axis=1)
# 设定方差阈值（取均值的0.5倍，可根据图像调整）
var_threshold = np.mean(row_vars) * 0.5
# 找出方差低于阈值的行（线条所在行）
line_rows = np.where(row_vars < var_threshold)[0]

for y in line_rows:
    row = img[y]
    # 标记线条区域（假设线条比背景暗，反之则调整为>）
    mask = row < np.mean(row) * 0.9
    # 提取连续的线条区间
    segments = np.where(np.diff(mask))[0] + 1
    if len(segments) % 2 == 1:
        segments = np.insert(segments, 0, 0)
    # 计算每个区间的长度
    for i in range(0, len(segments), 2):
        x_start, x_end = segments[i], segments[i+1]
        length = x_end - x_start
        if length > 20:  # 过滤短干扰
            print(f"水平线长度：{length}")
            cv2.line(img, (x_start,y), (x_end,y), (255,0,0), 2)

内容的提问来源于stack exchange，提问作者Igor